实现从文本到语音TTS的音频转码方法、装置及系统

本发明涉及通信领域，具体而言，尤其涉及一种实现从文本到语音TTS 的音频转码方法、装置及系统。

媒体服务器用于所有与音视频相关的媒体处理，包括视频和音频RTP数据 流到视音频文件的相互转换。同时，也负责接收用户通过终端的DTMF输入、 播放业务的引导语音、显示动态的引导画面。它具有的SIP协议和 MSML/MOML能力使得其能在应用服务器APP的控制下完成整个会话过程的 与用户的交互。

媒体控制单元(MSCU)是媒体服务器中的一个重要单元，主要完成与其 他实体进行能力协商，提供资源本身的管理、维护以及控制其它业务资源单元 完成复杂业务的功能。

媒体存储传输音频单元(MSTU-audio)是媒体服务器中的业务资源单元， 完成海量的音频数据存储，包括实现音频文件播放功能。媒体存储单元上有对 外网口，可以直接通过单元上的对外网口收发。

媒体存储传输视频单元(MSTU-video)是媒体服务器中的业务资源单元， 完成海量的多媒体音视频数据存储，包括实现视频文件播放功能。媒体存储单 元上有对外网口，可以直接通过单元上的对外网口收发。

现在，媒体服务器播的使用很广。主要可以归纳为音视频播放，收号和会 议等功能。

从文本到语音(Text To Speech，简称为TTS)的功能是将输入的文本信息 识别出来，转化为语音信息，将语音媒体发送给用户。目前在电信领域，TTS 的应用基本是配置一个专门的TTS服务器，通过信令指定TTS将语音发送到 用户端来完成一次业务。

图1是根据相关技术的实现TTS音频转码的系统结构示意图。如图1所 示，该系统的工作流程包括如下步骤：

步骤101：终端发起一次呼叫，激活APP的业务。APP向媒体服务器发起 业务流程；

步骤102：APP通过SIP信令向媒体服务器请求TTS业务；

步骤103：媒体服务器通过SIP信令向TTS服务器请求TTS资源，并通过 MRCP协议控制TTS服务器完成业务功能；

步骤104：TTS服务器向终端发送媒体

以上便是目前典型的组网和业务流程。TTS服务器作为媒体服务器的外置 设备使用。APP在请求业务的时候只是向媒体服务器发起，媒体服务器判断业 务类型，当业务类型为TTS应用时，媒体服务器再向TTS服务器发起请求， 申请资源，并控制TTS服务器的行为，TTS服务器在收到信令后自动将媒体发 送给远方的终端。

以上流程能完成一个基本的TTS业务。不过随着业务的应用的扩展出现了 一些问题。比如，TTS服务器的音频能力集同媒体服务器能力集不匹配的问 题，造成业务失败。因为APP在同媒体服务器协议SDP的时候，媒体服务器 并不知道业务类型是否是TTS，所以会按照自己的能力范围同终端协商音频参 数。当APP向媒体服务器下发INFO指令时，媒体服务器才能识别出TTS业 务类型，此时媒体服务器通过终端SDP信息向TTS服务器申请资源。如果 TTS服务器的音频能力范围不满足媒体服务器同终端协商出的结果，就是造成 业务失败。比如：媒体服务器同终端协商出编解码类型为G726格式，但是 TTS服务器只支持G711的音频格式。。

针对上述现有技术中在TTS服务器的音频能力集无法满足媒体服务器的业 务需求的情况下，终端访问媒体业务数据包数据失败的问题，目前还没有有效 的解决方案。

本发明的主要目的在于提供一种实现从文本到语音TTS的音频转码方法、 装置及系统，以解决现有技术中在TTS服务器的音频能力集无法满足媒体服务 器的业务需求的情况下，终端访问媒体业务数据包数据失败的问题。

为了实现上述目的，根据本发明的一方面，提供了一种实现从文本到语音 TTS的音频转码方法。

根据本发明的实现TTS音频转码的方法包括：媒体服务器接收来自应用服 务器APP的访问请求，并确定媒体服务器支持的编解码类型集；媒体服务器接 收APP申请的TTS业务请求，并根据TTS业务类型向TTS服务器申请满足该 业务类型的媒体业务数据包；媒体服务器根据编解码类型集与TTS服务器进行 协商，以获取协商后的音频编解码类型，并按照音频编解码类型将媒体业务数 据包转码后发送至终端。

进一步地，媒体服务器根据编解码类型集与TTS服务器进行协商，以获取 协商后的音频编解码类型，并按照音频编解码类型将媒体业务数据包转码后发 送至终端包括：媒体控制单元MSCU发送会话初始协议SIP信令至TTS服务 器，以协商并指定媒体服务器与TTS服务器匹配的音频编解码类型，编码类型 集包括音频编解码类型；语音中心交换单元MRU接收TTS服务器返回的媒体 业务数据包，并将媒体业务数据包按照协商的音频编解码类型进行转码，并将 转码后的媒体业务数据包发送并保存至媒体存储传输音频单元MSTU；MSCU 控制MSTU将转码后的媒体业务数据包发送至终端。

进一步地，在语音中心交换单元MRU接收TTS服务器返回的媒体业务数 据包之前，方法还包括：MSCU与TTS服务器建立通信连接；TTS服务器识别 文本，并将文本转换为媒体业务数据包。

进一步地，在语音中心交换单元MRU接收TTS服务器返回的媒体业务数 据包之前，方法还包括：MSCU向MRU下发转码命令；将MRU与TTS服务 器接通的端口类型指定为协商后的音频编解码类型。

进一步地，MSCU控制MSTU将转码后的媒体业务数据包发送至终端包 括：MSCU向MSTU下发打开NAT通道的命令；MSTU将转码后的媒体业务 数据包进行NAT后发送至终端。

进一步地，在媒体服务器接收来自应用服务器APP的访问请求之前，方法 还包括：终端向APP发送多媒体业务数据包请求；APP根据多媒体业务数据 包请求向媒体服务器发送访问请求的信令，并将MSTU外口地址作为与终端交 互的地址。

为了实现上述目的，根据本发明的另一个方面，提供了一种实现从文本到 语音TTS的音频转码系统。

根据本发明的实现TTS音频转码的系统包括：终端；TTS服务器；媒体服 务器，用于接收来自应用服务器APP的访问请求，以确定媒体服务器支持的编 解码类型集，并接收APP申请的TTS业务请求，以根据TTS业务类型向TTS 服务器申请满足该业务类型的媒体业务数据包，然后根据编解码类型集与TTS 服务器进行协商，以获取协商后的音频编解码类型，并按照音频编解码类型将 媒体业务数据包转码后发送至终端。

进一步地，媒体服务器包括：媒体控制单元MSCU，用于发送会话初始协 议SIP信令至TTS服务器，以协商并指定媒体服务器与TTS服务器匹配的音 频编解码类型，编码类型集包括音频编解码类型；语音中心交换单元MRU， 用于接收TTS服务器返回的媒体业务数据包，并将媒体业务数据包按照协商的 音频编解码类型进行转码，并将转码后的媒体业务数据包发送并保存至媒体存 储传输音频单元MSTU；其中，MSCU控制MSTU将转码后的媒体业务数据包 发送至终端。

进一步地，终端向APP发送多媒体业务数据包请求；APP根据多媒体业 务数据包请求向媒体服务器发送访问请求的信令，并将MSTU外口地址作为与 终端交互的地址。

为了实现上述目的，根据本发明的另一个方面，提供了一种实现从文本到 语音TTS的音频转码装置。

根据本发明的实现TTS音频转码的装置包括：第一处理模块，用于接收来 自应用服务器APP的访问请求，并确定媒体服务器支持的编解码类型集；第二 处理模块，用于接收APP申请的TTS业务请求，并根据TTS业务类型向TTS 服务器申请满足该业务类型的媒体业务数据包；第三处理模块，用于根据编解 码类型集与TTS服务器进行协商，以获取协商后的音频编解码类型，并按照音 频编解码类型将媒体业务数据包转码后发送至终端。

通过本发明，采用媒体服务器接收来自应用服务器APP的访问请求，并确 定媒体服务器支持的编解码类型集；媒体服务器接收APP申请的TTS业务请 求，并根据TTS业务类型向TTS服务器申请满足该业务类型的媒体业务数据 包；媒体服务器根据编解码类型集与TTS服务器进行协商，以获取协商后的音 频编解码类型，并按照音频编解码类型将媒体业务数据包转码后发送至终端， 解决了现有技术中在TTS服务器的音频能力集无法满足媒体服务器的业务需求 的情况下，终端访问媒体业务数据包数据失败的问题，进而达到了提高终端访 问媒体业务数据包数据成功率的效果。

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部 分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不 当限定。在附图中：

图1是根据相关技术的实现TTS音频转码的系统结构示意图；

图2是根据本发明实施例的实现TTS音频转码的系统结构示意图；

图3是根据图2所示实施例中媒体服务器的详细结构示意图；

图4是根据本发明实施例的实现TTS音频转码的方法流程图；以及

图5是根据本发明实施例的实现TTS音频转码的装置结构示意图。

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明 白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处 所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种实现TTS音频转码的系统。图2是根据本发明实施例的 实现TTS音频转码的系统结构示意图，如图2所示，该系统包括：终端；TTS 服务器；媒体服务器，用于接收来自应用服务器APP的访问请求，以确定媒体 服务器支持的编解码类型集，并接收APP申请的TTS业务请求，以根据TTS 业务类型向TTS服务器申请满足该业务类型的媒体业务数据包，然后根据编解 码类型集与TTS服务器进行协商，以获取协商后的音频编解码类型，并按照音 频编解码类型将媒体业务数据包转码后发送至终端。

上述实施例通过媒体服务器实现在向TTS服务器申请资源时，会话描述协 议SDP不以终端的音频编解码作为协商的能力集，而已媒体服务器全部支持的 编解码格式作为能力集，在媒体服务器中协商成功后，TTS服务器将媒体发送 到媒体服务器内部，然后媒体服务器通过转码后，按照终端需要的格式发送出 去，从而解决了在TTS服务器的音频能力集无法满足媒体服务器的业务需求的 情况下，终端访问媒体业务数据包数据失败的问题，进而达到了提高终端访问 媒体业务数据包数据成功率的效果。

图3是根据图2所示实施例中媒体服务器的详细结构示意图。如图3所 示，本申请上述实施例中的媒体服务器可以包括：媒体控制单元MSCU，用于 发送会话初始协议SIP信令至TTS服务器，以协商并指定媒体服务器与TTS 服务器匹配的音频编解码类型，编码类型集包括音频编解码类型；语音中心交 换单元MRU，用于接收TTS服务器返回的媒体业务数据包，并将媒体业务数 据包按照协商的音频编解码类型进行转码，并将转码后的媒体业务数据包发送 并保存至媒体存储传输音频单元MSTU；其中，MSCU控制MSTU将转码后的 媒体业务数据包发送至终端。

优选地，上述实施例中，终端可以向APP发送多媒体业务数据包请求； APP根据多媒体业务数据包请求向媒体服务器发送访问请求的信令，并将 MSTU外口地址作为与终端交互的地址。

具体的，如图2所示，该系统的详细工作流程包括如下步骤：

步骤S10，终端向APP请求多媒体业务数据包，APP向媒体服务器发送 INVITE信令进行媒体协商，媒体服务器通过自身的能力集选定编解码类型， 并将MSTU外口地址作为与终端交互的地址。

步骤S20，APP服务器向媒体服务器发送INFO请求，INFO中的内容为申 请TTS业务，同时，媒体服务器识别业务类型后转而向TTS服务器申请媒体 业务数据包数据；

步骤S30，媒体服务器与TTS服务器进行协商，并控制TTS服务器进行文 本转换为语音。如图3所示，该步骤S30具体可以包括如下步骤：

步骤S301，媒体控制单元MSCU向TTS服务器发起会话初始协议SIP信 令，协商编解码类型。此时在INVITE信令中协商的音频编解码能力集为媒体 服务器所拥有的，即为MRU支持的所有编解码类型，并要求TTS服务器将媒 体包发向媒体服务器，并由MRU接收。

步骤S302，MSCU向MSTU下发打开NAT通道的命令，指示将从MRU 接收到的数据发送到终端(用户端)。

步骤S303，MSCU向MRU下发转码命令。指定MRU接收从TTS发送过 来的媒体包，并将MRU同TTS接通的端口音频编解码类型指定为从步骤S301 中协商得到的结果，并将MRU输出的媒体编解码类型设置为终端实际需要接 收到编解码类型。

步骤S304，MSCU同TTS建立TCP/IP链接。并通过MRCP协议向TTS 服务器发送指令，指示TTS服务器识别文本，并将转换后的媒体业务数据包发 送到MRU端。

步骤S305，TTS服务器将媒体业务数据包发送到MRU的接收端口。

步骤S306，MRU将从TTS端接收到的媒体进行转码，并将转码后的音频 媒体发送到媒体存储传输音频单元MSTU接收端口；

步骤S307，MSTU接收到MRU的音频包后，直接将音频包进行NAT后 发送到终端。

通过以上几个步骤，终端便可以接受到由文本转换为的音频流。

最后，媒体服务器向APP上报INFO执行结果，同时APP向媒体服务器 发送BYE信令，释放资源。在媒体服务器向TTS服务器请求释放资源，成功 后向APP返回结果，此时通话结束。

图4是根据本发明实施例的实现TTS音频转码的方法流程图。如图4所 示，该实现TTS音频转码的方法包括如下步骤：

步骤S41，媒体服务器接收来自应用服务器APP的访问请求，并确定媒体 服务器支持的编解码类型集；

步骤S43，媒体服务器接收APP申请的TTS业务请求，并根据TTS业务 类型向TTS服务器申请满足该业务类型的媒体业务数据包；

步骤S45，媒体服务器根据编解码类型集与TTS服务器进行协商，以获取 协商后的音频编解码类型，并按照音频编解码类型将媒体业务数据包转码后发 送至终端。

上述实施例中，媒体服务器通过在向TTS服务器申请资源时，该实施例中 的SDP不以终端的音频编解码作为协商的能力集，而已媒体服务器全部支持的 编解码格式作为能力集。待协商成功后，TTS服务器将媒体发送到媒体服务器 内部，然后媒体服务器通过转码后，按照终端需要的格式发送出去，，从而解 决了在TTS服务器的音频能力集无法满足媒体服务器的业务需求的情况下，终 端访问媒体业务数据包数据失败的问题，进而达到了提高终端访问媒体业务数 据包数据成功率的效果。

上述实施例中，步骤S45媒体服务根据编解码类型集与TTS服务器进行协 商，以获取协商后的音频编解码类型，并按照音频编解码类型将媒体业务数据 包转码后发送至终端的步骤可以包括：媒体控制单元MSCU发送会话初始协议 SIP信令至TTS服务器，以协商并指定媒体服务器与TTS服务器匹配的音频编 解码类型，编码类型集包括音频编解码类型；语音中心交换单元MRU接收 TTS服务器返回的媒体业务数据包，并将媒体业务数据包按照协商的音频编解 码类型进行转码，并将转码后的媒体业务数据包发送并保存至媒体存储传输音 频单元MSTU；MSCU控制MSTU将转码后的媒体业务数据包发送至终端。

优选地，上述实施例中，在语音中心交换单元MRU接收TTS服务器返回 的媒体业务数据包之前，方法还包括：MSCU与TTS服务器建立通信连接； TTS服务器识别文本，并将文本转换为媒体业务数据包。

优选地，上述实施例中，在语音中心交换单元MRU接收TTS服务器返回 的媒体业务数据包之前，方法还包括：MSCU向MRU下发转码命令；将MRU 与TTS服务器接通的端口类型指定为协商后的音频编解码类型。

本发明上述各个实施例中， MSCU控制MSTU将转码后的媒体业务数据 包发送至终端的步骤可以包括：MSCU向MSTU下发打开NAT通道的命令； MSTU将转码后的媒体业务数据包进行NAT后发送至终端。

优选地，在媒体服务器接收来自应用服务器APP的访问请求之前，方法还 包括：终端向APP发送多媒体业务数据包请求；APP根据多媒体业务数据包 请求向媒体服务器发送访问请求的信令，并将MSTU外口地址作为与终端交互 的地址。

本发明还提供了一种实现TTS音频转码的装置。图5是根据本发明实施例 的实现TTS音频转码的装置结构示意图，如图5所示，该实现TTS音频转码 的装置包括：第一处理模块101、第二处理模块103以及第三处理模块105。

其中，第一处理模块101，用于接收来自应用服务器APP的访问请求，并 确定媒体服务器支持的编解码类型集；第二处理模块103，用于接收APP申请 的TTS业务请求，并根据TTS业务类型向TTS服务器申请满足该业务类型的 媒体业务数据包；第三处理模块105，用于根据编解码类型集与TTS服务器进 行协商，以获取协商后的音频编解码类型，并按照音频编解码类型将媒体业务 数据包转码后发送至终端。

该装置可以是一种媒体服务器，该媒体服务器在向TTS服务器申请资源 时，SDP不以终端的音频编解码作为协商的能力集，而已媒体服务器全部支持 的编解码格式作为能力集。待协商成功后，TTS服务器将媒体发送到媒体服务 器内部，然后媒体服务器通过转码后，按照终端需要的格式发送出去。

需要说明的是，本发明实施例在附图的流程图示出的步骤可以在诸如一组 计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺 序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

从以上的实施例描述中，可以看出，本发明实现了如下技术效果：提高终 端访问媒体业务数据包数据成功率的效果。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以 用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多 个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码 来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们 分别制作成多个集成电路模块，或者将它们中的多个模块或步骤制作成单个集 成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

上述说明示出并描述了本发明的一个优选实施例，但如前所述，应当理解 本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可 用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上 述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化 不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。